treebank

Språkbanken Text is getting more and more involved in Universal Dependencies (UD): the Eukalyptus Treebank of Written Swedish is currently begin converted to UD and the first ~500 sentences of UD_Swedish-SweLL, a treebank based on the Swedish Learner Language corpus, have just been released as part of UD 2.17 (you can download UD_Swedish-SweLL together with the other UD 2.17 tre

Sverige har en relativt lång tradition av att skapa en typ av korpus som brukar kallas trädbank. En trädbank är en samling texter som har annoterats (märkts upp) med ordklasser och syntaktisk struktur. Den syntaktiska strukturen för en mening kan ritas upp så att den liknar ett träd. Trädbanken Talbanken skapades redan på 70-talet (Teleman, 1974) och texterna (och delar av annoteringen) har återanvänts i flera trädbanker sedan dess.

Ordklassindelning används i många språkteknologiska verktyg därför att det är ett sätt att skilja mellan olika användningar av ett ord. Genom ordklasserna kan man enklare söka efter liknande ord och uttryck i stora textmängder, eller skapa en ny text med liknande form. Att automatiskt dela in orden i texter i ordklasser är därmed en av de grundläggande metoderna inom artificiell intelligens, för att få datorn att förstå mänskligt språk.